励磁系统参数辨识中智能建模与仿真研究

研究发电机励磁系统性能,是保证电力系统的稳定性的有效手段,发电机励磁系统模型参数采有时域或频域进行辩识,但是发电机励磁系统是一个非线性系,传统方法存在不能辨识其非线性环节的缺点,导致辩识的精度低.为了提高励磁系统辩识的精度,提出一种粒子群算法优化的励磁系统参数辨识的方法.以励磁系统的实际输入作为模型的输入,以模型的输出和实际励磁系统最小误差作为目标函数,通过改进粒子群算法对模型参数进行优化调整,获得满足误差要求的励磁系统参数.在Matlab环境下进行仿真,结果表明方法具有较快的收敛速度和较高的辨识精度,有效解决了发电机励磁系统正确建模,为提高电力系统运行稳定性提供参考.     

舰艇发电机励磁系统参数辨识研究

介绍辅助变量法与粒子群优化算法在舰艇发电机励磁系统辨识中的应用,并在Labview软件中编写了相应的计算程序。以某舰艇发电机励磁系统为例,在Matlab/Simulink中搭建该励磁系统仿真模型,将采样获得的输入输出数据,输入Labview辨识软件中,估计各参数值。实验分别采用+10%、+50%阶跃响应,辨识系统线性模型和非线性模型,并比较不同噪声幅值情况下的PSO辨识结果。实验结果证明PSO算法在励磁系统参数估计中的有效性。     

飞机发电机励磁系统的建模与控制仿真

在飞机发电机励磁系统的优化设计中,单纯的PID控制虽然能满足一般的动静态性能,但是也有响应速度慢、调整时间长,稳定精度低等缺点.为了解决上述问题,提出了采用小脑模型神经网络(CMAC)和常规PID并行控制的励磁方案.在分析飞机同步发电机数学模型和励磁系统原理的基础上,建立了飞机同步发电机及其励磁调压系统的SIMULINK仿真模型.通过对比分析仿真结果可以得出:CMAC-PID控制的励磁方案比常规PID控制的响应速度快、调整时间短、稳定精度高,并且没有超调量,体现了改进控制方案输出误差小、鲁棒性强、动静态性能优的特点.     

火力发电厂发电机励磁系统的分析

介绍励磁的逻辑框架以及针对不同的励磁方式所采取的不同逻辑原理和容错功能,并针对励磁调节器的异动问题,提出改进措施。     

分布式发电机励磁监控系统的设计

介绍了用分布式技术设计的发电机励磁监控系统。系统中励磁调节器内的双微机采用松耦合并行通信方式进行数据交换,调节器中的励磁控制微机经由通信控制微机实现与上位PC机的通信。介绍了系统的构成、通信方案、通信协议及软件设计方法。     

电厂发电机励磁系统的控制方法研究北大核心CSCD

为了更好地运用励磁系统对电力系统进行控制,将线性最优励磁控制应用到励磁系统。首先,采用古典控制方式,由PID+PSS控制的励磁系统对发电系统进行控制,由发电机的运转情况来观察古典励磁控制方式的控制效果;然后,采用线性最优励磁控制对发电系统进行控制,除了改变励磁控制器以外,其他都与原系统设置相同。并且,在系统稳定后加入短路干扰及突加负载的干扰,通过观察系统对干扰的反应来对比分析古典励磁控制和线性最优励磁控制的效果。实验结果表明,相对于古典控制方式,线性最优励磁控制可使振荡幅值更小,振荡时间更短,曲线更加平滑。     

同步发电机非线性励磁控制的逆系统方法

本利用非线性控制的逆系统方法，将大型同步发电机非线性励磁控制问题变换为一个相应的线性最优控制问题，设计出便于实现的非线性励磁控制规律。经仿真研究表明，所设计的控制律显地改善了电力系统暂态过程的动态响应，较大提高了静态稳定极限，有效地提高了电力系统的暂态稳定水平。     

时变大时滞系统参数辨识的仿真研究

研究了时变大时滞系统的参数辨识问题.大时滞系统大多采用补偿控制方法,但是补偿控制方法需要系统的精确数学模型,因而获得大时滞系统的数学模型成为了补偿控制的关键,时变特性使问题复杂化,从而影响了大时滞系统的控制精度.为解决上述问题,提出了一种神经网络的参数辨识策略,利用一个神经元对系统的时滞参数进行辨识,从而可以将时滞从系统模型中分离出来,可利用一个RBF神经网络模型辨识系统的其它参数,使神经元的输出作为RBF神经网络的一个输入,从而实现了串-并联结构的双神经网络拓扑.拓扑结构可以比串级的神经网络提高训练速度,因而也就更适合于实时控制.针对工业锅炉回水温度控制系统的仿真结果验证了所提辨识算法的正确性.     

同步发电机励磁故障诊断系统研究及实现

智能故障诊断系统作为人工智能技术在故障诊断领域的应用,在实践中取得了较好的成效,同步发电机励磁装置诊断系统是在对励磁单元的结构层次、工作原理及其故障模式、故障机理展开分析和研究的基础上来进行设计的,针对现场实际的需要,对智能故障诊断系统在励磁系统故障诊断的应用技术进行了研究,分析了诊断系统的层次结构和主要组成模块,采用DSP作为控制器件,设计了诊断系统的硬件结构和软件结构,最后讨论了诊断系统的诊断机理和工作流程。     

燃气轮机同步发电机励磁系统的最优与非线性控制

本文针对燃气轮机组本身技术高速发展与其主要系统控制方式相对滞后这一矛盾，将最优控制理论和非线性控制理论引入到燃气轮同步发电机的励磁控制系统中，特别考虑了作为原动机的燃气轮机的特性，提出了两种励磁控制策略：最优励磁控制和非线性励磁控制。通过分析与对比，并针对某一具体系统给出了非线性励磁控制器的详细设计，证明并特别指出该控制策略是可行和最佳的。     

交流励磁双馈发电机模型的建立与控制

众所周知,采用交流励磁双馈发电机的变速恒频风力发电系统具有许多优点,例如最大限度的捕捉风能,允许原动机在一定范围内变速运行,可灵活调节系统的有功和无功功率,起到功率因数补偿的作用。为了能比较清楚地研究变速恒频双馈风电系统的工作特性,需要建立一套能合理反映交流励磁双馈发电机运行特性、且适合应用于变速恒频风电机组性能研究的数学模型。     

交流励磁双馈发电机模型的建立与控制

众所周知,采用交流励磁双馈发电机的变速恒频风力发电系统具有许多优点,例如最大限度的捕捉风能,允许原动机在一定范围内变速运行,可灵活调节系统的有功和无功功率,起到功率因数补偿的作用。为了能比较清楚地研究变速恒频双馈风电系统的工作特性,需要建立一套能合理反映交流励磁双馈发电机运行特性、且适合应用于变速恒频风电机组性能研究的数学模型。     

基于80C196KB的微机励磁调节器

本文介绍了一种基于16位单片机80C196KB的同步发电机的微机励磁调节装置,它具有硬件电路简单、可靠性高、配置灵活的特点,有突出的性价比优势。     

回归型支持向量机的系统辨识及仿真

本文详细阐述支持向量机(SVM)和最小二乘SVM(LS—SVM)的基本原理基础上。提出基于SVM的线性、非线性系统辨识。通过仿真分析并比较SVM、LS—SVM辨识与神经网络辨识结果,得到SVM、LS—SVM方法比神经网络具有更高的系统辨识精度和更好的泛化能力;LS—SVM算法比SVM快速。抗噪声能力强,更适合于动态系统辨识。     

船舶无刷发电机励磁控制系统的数字仿真

在船舶发电机性能优化控制问题的研究中,无刷发电机励磁控制系统能改善船舶电力系统的电压稳定性.由于输电线路受负载扰动,影响电网的稳定性.为了提高电网性能,在各单元数学模型的基础上进行分块数字建模,采用船舶常用的相复励与PID结合的控制策略,用控制器为核心的闭环励磁控制模型建立仿真系统.根据实际系统设置参数,仿真扰动和故障工况.仿真结果反映了船舶无刷发电机励磁控制系统的动态性能和故障特征,证明了仿真模型和方法的正确性,可用于船舶励磁控制系统的设计调试和性能评估.     

基于T-S模糊模型的神经网络的系统辨识

基于T-S模糊模型,提出了利用神经网络实现非线性系统的辨识。首先,利用一种无监督的聚类算法分析输入输出数据生成初始的结构模型,确定系统的模糊空间和模糊规则数,构造神经网络辨识模型前提参数,使前提参数自适应变化,有较好的自学习能力和优化能力,采用最小二乘法取得结论参数。仿真结果验证了该方法是有效和可行的。     

基于双CPU的同步发电机励磁系统硬件设计

本文首先概述了励磁系统的工作原理,阐述了励磁控制器的硬件组成,最后重点讨论了基于DSP与单片机的双CPU励磁控制系统硬件设计方案,及其各主要功能模块的硬件实现。     

Identification Schemes for Unmanned Excavator Arm Parameters

Parameter identification is a key requirement in the field of automated control of unmanned excavators(UEs).Further- more,the UE operates in unstructured,often hazardous environments,and requires a robust parameter identification scheme for field applications.This paper presents the results of a research study on parameter identification for UE.Three identification methods, the Newton-Raphson method,the generalized Newton method,and the least squares method are used and compared for prediction accuracy,robustness to noise and computational speed.The techniques are used to identify the link parameters(mass,inertia,and length)and friction coefficients of the full-scale UE.Using experimental data from a full-scale field UE,the values of link parameters and the friction coefficient are identified.Some of the identified parameters are compared with measured physical values.Furthermore, the joint torques and positions computed by the proposed model using the identified parameters are validated against measured data. The comparison shows that both the Newton-Raphson method and the generalized Newton method are better in terms of prediction accuracy.The Newton-Raphson method is computationally efficient and has potential for real time application,but the generalized Newton method is slightly more robust to measurement noise.The experimental data were obtained in collaboration with QinetiQ Ltd.